IBM發文闡述量子計算在機器學習領域的突破

近日發表在《自然》雜誌上的一篇研究論文《基於量子增強特徵空間的監督學習》中，來自IBM和麻省理工學院的研究人員展示了IBM Q量子計算機如何通過量子演算法加速一種稱為「特徵匹配」的機器學習任務。研究團隊表示，未來的量子計算機將能夠使機器學習達到更複雜的程度，使其能夠利用更複雜的數據結構，且數據規模遠超現有傳統計算機。

特徵匹配是用數學語言表達數據以將其應用於機器學習的一種技術。其效果取決於轉換過程的效率和質量。使用量子計算機，這一轉換可實現迄今為止不曾達到的數據規模。

1

背景

正如幾十年前首次設想，量子計算機被視為計算信息的另一種方式。原則上，通過在量子或原子尺度上利用物理學非同尋常的概率性質，量子設備有潛力以遠遠超過任何傳統計算機的速度執行特定類型的計算。

目前，量子計算已展現極大潛力。但因大型量子計算機尚不存在，所以還不能完全確定其將如何超越現有的超級計算機架構，或說量子計算機真正的用途是什麼。

當前，量子計算和人工智慧是炙手可熱的新技術，這兩者的結合將會帶來新的可能性。強大的量子計算機有望徹底改變某些機器學習任務，並帶來新的洞察。

2

過程

研究團隊使用一台具有兩個量子位的量子計算機進行了簡單計算和小規模演示。因為研究所用到的機器很小，所以並不能完全證明大型量子計算機將從根本上優於傳統計算機。當前最大的量子計算機約有50個量子位，但並非所有量子位都用於計算，還有一部分用於糾正因其脆弱性而導致的誤差。

同時，研究團隊使用低複雜度電路來應對退相干問題，結果顯示即使IBM Q系統的處理器經歷了退相干，數據分類任務也未出錯。

3

意義

IBM研究人員表示，目前距離實現機器學習的量子優勢還需要很長時間。相比於傳統計算機，研究團隊正在開發的「特徵匹配」方法可以對更複雜的數據集進行分類。這一研究方向將充滿更多可能性。多倫多一家量子計算初創企業也獨立研究出類似演算法，並表示該方法具有不可估量的潛力，後續業界將會有越來越多的研究論文將「量子」與「機器學習」二者結合。

馬里蘭大學量子信息與計算機科學聯合中心助理教授伍驍迪表示，當前正處於一個可以探索任何可能性的時機。他預計近一兩年內量子計算將實現實際應用。

來源：《自然》雜誌/圖片來自互聯網

軍事科學院軍事科學信息研究中心劉偉雪 石強

如需轉載請註明出處：「國防科技要聞」（ID：CDSTIC）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！